神经网络响应面在堆石坝流变反演中的应用

杨利霞

神经网络响应面在堆石坝流变反演中的应用

$ B! S/ z0 R" T3 n7 j; z

堆石体的流变参数对高面板堆石坝的长期安全性分析具有重要意义。参数反演可以准确获得符合坝体实
: g/ I  _. g+ A际长期变形规律的流变参数。本文分别采用反向传播神经网络（
1 H, }; l5 x+ Q- Y0 x1 i) ]BP
）和径向基神经网络（
RBF
  W4 n4 O, H+ T）构造出待反演参
. g# l$ {* N! l数与位移值之间的响应，引入统计学回归预测模型中的均方根误差（
RMSE
* z$ g- l4 {1 i4 n) z* y' }），平均绝对百分比误差（
MAPE
6 u# s6 A" j2 N* M" B3 J8 K）和
线性回归决定系数（
R
) W$ f7 B* R, j2
% Y, i8 J. l* ^# d; r3 t+ M: [）等指标来全面评估不同神经网络响应面映射能力的优劣，从而提高参数反演的效率和准
确率。结果表明，
RBF
神经网络响应面的评估指标均优于
! ]; l' N2 y6 `& w  a' XBP
5 L! X. J+ I( j( c! ^神经网络响应面。利用
. p* A" e) E+ }0 y5 N+ NRBF
神经网络响应面和多种
群遗传算法（
3 Y/ W5 D6 i2 ^6 K! iMPGA
）优化理论得到反演后的流变参数并将其用于有限元计算，得到的蓄集峡坝体沉降值在大小
* u. H* h& g% C% p6 f3 l0 q和分布上与实测值有显著的一致性。
" E1 J- D0 e  s5 _* K/ ?

9 F% ~% ]0 O; X' g8 A$ ~